面向通用语义分割的CNN感知二值图
计算机视觉与模式识别
2016-09-30 v1
摘要
本文提出了一种可受益于卷积神经网络（CNN）通用语义的新型通用语义分割方法。我们的分割生成视觉上和语义上连贯的图像片段。我们利用CNN特征的二值编码来克服在高维CNN特征空间上进行聚类的困难。这些二值码对图像中的噪声和非语义变化具有很强的鲁棒性。该二值编码可作为额外层嵌入到CNN网络的末端，从而实现实时分割。据我们所知，我们的方法是首次尝试使用CNN进行通用语义图像分割。以往所有论文都局限于少数图像类别（如PASCAL VOC）。实验表明，我们的分割算法以大幅优势超越了当前最先进的非语义分割方法。
引用
@article{arxiv.1609.09220,
title = {CNN-aware Binary Map for General Semantic Segmentation},
author = {Mahdyar Ravanbakhsh and Hossein Mousavi and Moin Nabi and Mohammad Rastegari and Carlo Regazzoni},
journal= {arXiv preprint arXiv:1609.09220},
year = {2016}
}
备注
ICIP 2016 Best Paper / Student Paper Finalist